研究人员已经利用人工智能来缩短电池的测试时间

电池性能会影响电动汽车的体验，包括行驶里程，充电时间和汽车寿命。研究人员报告说，现在，人工智能已经使在加油站停车所需的时间为电动汽车充电的梦想成为现实。它还可以帮助改善电池技术的其他方面。

几十年来，评估时间已成为电动汽车发展的主要瓶颈。在电池开发过程的每个阶段，研究人员必须测试新技术数月甚至数年，才能确定它们能持续多久。

但是现在，研究人员已经开发出一种基于机器学习的方法，可以将这些测试时间减少98%。尽管该小组在电池充电速度方面测试了他们的方法，但他们说该方法可以应用于电池开发流程的许多其他部分，甚至可以应用于非能源技术。

斯坦福大学计算机科学助理教授Stefano Ermon说：“在电池测试中，您必须尝试很多事情，因为获得的性能会发生巨大变化。”该项目由材料副教授William Chueh领导科学与工程。“借助AI，我们能够迅速找到最有前途的方法，并消除了许多不必要的实验。”

试错电池测试

《自然》杂志的研究目标是找到在10分钟内为EV电池充电的最佳方法，从而最大限度地延长电池的整体使用寿命。研究人员编写了一个程序，该程序仅基于几个充电周期即可预测电池对不同充电方式的反应。该软件还实时确定关注或忽略哪些计费方式。

减少了试验的时间和数量，使研究人员可以将测试过程从近两年缩短到16天。

“机器学习是反复试验，但以一种更明智的方式。”

“我们想出了如何极大地加快超快速充电的测试过程的方法，”彼得·阿蒂亚(Peter Attia)说。“不过，真正令人兴奋的是方法。我们可以将这种方法应用于目前可能阻碍电池开发数月或数年的许多其他问题。”

设计超快速充电电池是一个重大挑战，主要是因为很难使它们持续使用。更快的充电强度会使电池承受更大的压力，这通常会导致电池过早失效。为了防止损坏构成电动汽车总成本很大一部分的电池组，电池工程师必须测试一系列详尽的充电方法，以找到最适合的充电方法。

新的研究试图优化这一过程。从一开始，团队就发现快速充电优化需要进行多次试错测试-对于人类而言这是低效率的，但对于机器而言却是完美的问题。

“机器学习是反复试验，但是以一种更明智的方式，”计算机科学研究生Aditya Grover说，他也是该研究的共同负责人。“在确定何时进行探索(尝试新的和不同的方法)以及何时对最有前途的方法进行开发或零投入方面，计算机要比我们好得多。”

机器与人类

团队通过两种关键方式利用了这一优势。首先，他们使用它来减少每个循环实验的时间。在以前的研究中，研究人员发现，与其对每个电池进行充电和充电直至其失效(这是测试电池寿命的常用方法)，他们可以预测仅在最初的100个充电周期后电池可以使用多长时间。这是因为在研究人员使用几个循环失败的电池对机器学习系统进行了培训之后，机器学习系统才能在早期数据中找到模式，这些模式预示了电池可以使用多长时间。